2ª Aula Laboratorial

27 Fevereiro 2020, 18:30 • Patrícia Cortés de Zea Bermudez

Não houve aula por razões de força maior. 

2ª Aula Teórica

27 Fevereiro 2020, 16:30 • Patrícia Cortés de Zea Bermudez

Exemplo: vizinha que diz ser capaz de prever o sexo de um bebé apenas por observação da forma da barriga de uma mulher grávida (Berry, 1999). 

Utilização sequencial do teorema de Bayes. Exemplo: caso da hemofilia.          

Teorema de Bayes no caso contínuo. 

O modelo Bernoulli (theta), 0 < theta < 1. Introdução no modelo de informação a priori acerca de theta por meio da distribuição Uniforme em (0,1). Obtenção da distribuição a posteriori de theta com base numa amostra de dimensão n. Apresentação da distribuição beta e suas características. Expressões do valor médio, variância e moda. Mostrar graficamente a diversidade de formas que a distribuição Beta pode tomar.Chamar a atenção para o facto da uniforme em (0,1) corresponder à Beta(1,1). Obtenção da distribuição a posteriori de theta quando a priori é Beta(a,b), a>0 e b>0 (caso geral).                                                                                                                                                                                                                                                                      

1ª Aula Laboratorial

20 Fevereiro 2020, 18:30 • Patrícia Cortés de Zea Bermudez

Breve revisão da programação em R - exercícios 1, 2 e 3.

1ª Aula Teórica

20 Fevereiro 2020, 16:30 • Patrícia Cortés de Zea Bermudez

Apresentação da UC: conteúdo, funcionamento das aulas, modo de avaliação, software a usar na aulas práticas e apresentação da Bibliografia recomendada. 

Apresentação resumida da vida e obra de Thomas Bayes. Breve descrição da evolução histórica do paradigma Bayesiano.  

Probabilidade clássica e frequencista; apresentação do conceito de probabilidade como um grau de credibilidade. Exemplos.

Linhas gerais de como abordar um problema de um ponto de vista clássico. A interpretação correcta de um intervalo de confiança; testes de hipóteses de um ponto de vista clássico; p-value.

Descrição detalhada de como se aborda a inferência dum ponto de vista bayesiano. Salientar o facto dos parâmetros serem aleatórios. Modelo para os dados, distribuição a priori e distribuição a posteriori. 

Revisão do conceito de probabilidade condicional, teorema das probabilidades totais e teorema de Bayes.